Prediksi Kesehatan Mental Dengan Algoritma Perceptron Berdasarkan Dataset Mahasiswa

Abstrak

Kesehatan mental adalah elemen mendasar dari kesejahteraan individu, yang memengaruhi kemampuan seseorang untuk menghadapi tekanan hidup, menjalin hubungan sosial, dan berkontribusi secara produktif dalam masyarakat. Sayangnya, kesehatan mental sering diabaikan, meskipun gangguan seperti depresi dan kecemasan menjadi penyebab utama disabilitas global. Kondisi ini semakin memprihatinkan di kalangan mahasiswa, yang menghadapi berbagai tekanan akademik, sosial, dan emosional. Minimnya kesadaran, akses layanan kesehatan mental, serta stigma sosial memperburuk keadaan, membuat deteksi dini dan penanganan gangguan mental menjadi tantangan besar. Untuk menghadapi permasalahan ini, teknologi machine learning memberikan solusi inovatif melalui pendekatan analitis berbasis data. Dalam penelitian ini, algoritma Perceptron digunakan untuk memprediksi kondisi kesehatan mental mahasiswa dengan menganalisis dataset dari Kaggle. Algoritma ini mengeksplorasi pola hubungan antar variabel, seperti tingkat kecemasan, depresi, dan faktor terkait lainnya. Hasil penelitian menunjukkan akurasi prediksi sebesar 67%, dengan performa yang lebih baik dalam mengidentifikasi kategori "Tidak Depresi" dibandingkan "Depresi." Meski algoritma Perceptron efektif untuk pola sederhana, terdapat keterbatasan dalam mengenali pola yang lebih kompleks. Penelitian ini menegaskan potensi teknologi dalam deteksi dini kesehatan mental, memberikan pijakan bagi pengembangan sistem prediksi yang lebih akurat dan komprehensif di masa depan.

Identifier

• DOI: https://doi.org/10.30587/indexia.v8i1.9276
• OpenAlex: https://openalex.org/W7162749233